keremberke/yolov8m-csgo-player-detection
keremberke
Detección de objetos
Un modelo de detección de objetos diseñado específicamente para detectar jugadores en Counter-Strike: Global Offensive (CSGO). Este modelo está basado en YOLO versión 8 y está optimizado para identificar distintas categorías de jugadores en el juego usando PyTorch y TensorBoard.
Como usar
pip install ultralyticsplus==0.0.23 ultralytics==8.0.21
from ultralyticsplus import YOLO, render_result
# cargar modelo
model = YOLO('keremberke/yolov8m-csgo-player-detection')
# establecer parámetros del modelo
model.overrides['conf'] = 0.25 # Umbral de confianza de NMS
model.overrides['iou'] = 0.45 # Umbral de IoU de NMS
model.overrides['agnostic_nms'] = False # NMS sin distinción de clase
model.overrides['max_det'] = 1000 # número máximo de detecciones por imagen
# establecer imagen
image = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'
# realizar inferencia
results = model.predict(image)
# observar resultados
print(results[0].boxes)
render = render_result(model=model, image=image, result=results[0])
render.show()
Funcionalidades
- Detección de jugadores en CSGO
- Basado en YOLO versión 8
- Optimización de parámetros específicos del modelo
- Integración con TensorBoard
- Compatibilidad con PyTorch
Casos de uso
- Detección de jugadores enemigos y aliados en partidas de CSGO
- Análisis automático de partidas
- Mejora en las tácticas de juego mediante la detección precisa de jugadores
- Monitoreo de actividades en tiempo real en juegos